搜广推校招面试经验分享——第64期回顾

滴滴搜推算法

一、定义一个树结构、特征结构。写一个决策树对样本打分

逆天啊，上来就是暴击

import numpy as np
class TreeNode:
    def __init__(self, feature_index=None, threshold=None, left=None, right=None, score=None):
        self.feature_index = feature_index   # 用于分裂的特征索引
        self.threshold = threshold           # 分裂阈值
        self.left = left                     # 左子树
        self.right = right                   # 右子树
        self.score = score                   # 叶子节点的分数
        
    def is_leaf(self):
        return self.score is not None

class DecisionTree:
    def __init__(self, root):
        self.root = root
    def score_sample(self, sample):
        """对单个样本进行打分"""
        node = self.root
        while not node.is_leaf():
            if sample[node.feature_index] <= node.threshold:
                node = node.left
            else:
                node = node.right
        return node.score
        
# 示例树（手动构造）
leaf1 = TreeNode(score=0.1)
leaf2 = TreeNode(score=0.7)
leaf3 = TreeNode(score=0.4)
leaf4 = TreeNode(score=0.9)

node2 = TreeNode(feature_index=1, threshold=1.5, left=leaf1, right=leaf2)
node3 = TreeNode(feature_index=2, threshold=2.5, left=leaf3, right=leaf4)

root = TreeNode(feature_index=0, threshold=0.5, left=node2, right=node3)
decision_tree = DecisionTree(root)

# 测试样本
sample1 = np.array([0.3, 2.0, 3.0])  # 走左子树，再走右子树，得分 0.7
sample2 = np.array([0.8, 0.5, 2.0])  # 走右子树，再走左子树，得分 0.4

print(decision_tree.score_sample(sample1))  # 输出: 0.7
print(decision_tree.score_sample(sample2))  # 输出: 0.4

二、itemcf 和 usercf 的使用场景、分别有什么好处

2.1. ItemCF（基于物品的协同过滤）

使用场景

优点

缺点

2.2. UserCF（基于用户的协同过滤）

使用场景

优点

缺点

2.3. 使用场景对比

三、双塔召回一味的打压负样本有什么问题？

在推荐系统中，负样本通常是 用户未交互的物品，但其中可能包含用户潜在感兴趣的物品（即 硬负样本 Hard Negatives）。

3.1. 这里首先要理解什么叫打压负样本？

在双塔召回中，打压负样本通常是指通过采样或损失函数设计，使模型能够更好地区分正样本和负样本，实际上是让模型更关注负样本的学习，更好识别到负样本。
eg：
1. 增加难负样本(hard negative)的比例
2. 在损失函数中给负样本更大权重(如对比学习中)
3. 进行负样本挖掘(negative mining)

3.2. 可能带来的问题

3.2.1. 召回多样性下降 （用户未交互的item不一定是真负样本(可能只是没曝光)）

3.2.2. 可能损害硬负样本（Hard Negative）的贡献

3.2.3. 过拟合（忽略掉全局分布，过度拟合特定的负样本）

四、为什么mmoe要加极化，这样容易导致波动增加。

这里我没太理解极化，chatgpt说，极化是指：某些专家始终被选中，而其他专家几乎不被选中（即门控权重接近 1 或 0），就会导致极化现象。
那我理解极化就是指每个门控gate的输出不经过激活函数，直接输出logit，做为每个experts的权重。

五、53. 最大子数组和（力扣hot100_数组）

这道题没法使用滑动窗口，因为存在负数，滑入一个数后，结果可能变大，也可能变小。

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        ans = -inf
        min_pre_sum = pre_sum = 0
        for x in nums:
            pre_sum += x  # 当前的前缀和
            ans = max(ans, pre_sum - min_pre_sum)  # 减去前缀和的最小值
            min_pre_sum = min(min_pre_sum, pre_sum)  # 维护前缀和的最小值
        return ans

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        dp = [0] * len(nums)
        dp[0] = nums[0]
        for i in range(1, len(nums)):
            dp[i] = max(dp[i - 1], 0) + nums[i]
        return max(dp)

作者：Y1nhl